热点事件持续更新
提出 DerivAudit 审计长期智能体记忆
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.AI 一篇论文提出 DerivAudit 框架，用于审计长期 LLM 智能体的持久记忆是否真由写入时的交互历史所支持。作者在两个自然记忆语料上测试：采用更广的写入前历史，可为近 60% 单看引用显得无支持的记忆找回支撑，但仍有 17-21% 在扩展历史后依然无支持。研究还发现，扩大证据并不能让记忆准入变得可靠：无支持记忆仍常被各验证模型接纳，且在两个主干模型上，证据扩展反而使结果更差。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
论文称扩大写入前证据仍难挡无支持记忆被接纳，两个主干上反而更差。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.AI记忆即推导：长期 LLM 智能体的分布式证据悖论与 DerivAudit 审计框架
DerivAudit 框架用于审计长期 LLM 智能体的持久记忆是否真由写入时的交互历史所支持。在两个自然记忆语料上，使用更广的写入前历史可为近 60% 单看引用显得无支持的记忆找回支撑，但 17-21% 在扩展后仍无支持。扩大证据并不能让准入可靠：无支持记忆仍常被各验证模型接纳，在两个主干上证据扩展反而使其更差。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。